李也 (Lennon Li)

智能体工作流架构师｜生物统计与健康数据

李也 (Ye Lennon Li)

李也（Ye Lennon Li）肖像

李也 PhD, P.Stat.

智能体工作流架构师

生物统计 · 公共卫生 · 健康相关数据

我设计数据科学项目背后的工作流：智能体如何规划、写代码、检索资料、执行分析、整理文档，以及人应该在什么位置审查、批准、解释和负责。我的底层专业是生物统计、公共卫生和健康相关数据；目标是让 AI 辅助的数据工作更安全、更可复现、更可持续，也始终有人把关。

我的书 返回 biostats.ai EN

15+
年应用公共卫生统计经验

45+
篇论文与学术成果

20+
名研究生培养

P.Stat.
加拿大统计学会

我是一名智能体工作流架构师，专长在生物统计、公共卫生和健康相关数据。我的训练背景包括多伦多大学生物统计博士与硕士，以及计算机科学和统计学荣誉理学士。过去十几年，我一直在统计模型、数据管线、R 工具、交互式应用和公共卫生监测系统之间工作，核心问题始终不是“能不能自动化”，而是“怎样让自动化服务于人的判断”。

AI 正在改变数据科学的工作方式。过去它更多是一个工具；现在，它逐渐变成了人与数据之间的接口，也开始进入分析流程本身。当智能体能够写代码、建模型、整理报告时，真正困难的部分就不再只是代码，而是：问题问得是否正确？答案是否可靠？哪些假设被隐藏了？什么时候应该停下来？最后由谁负责？

我的答案是：人必须继续负责判断。智能体可以协助执行，但问题定义、假设审查、不确定性解释、结果批准和最终发布，都需要清楚的人工关口。这也是我现在设计工作流时最重视的部分。

这条路从哪里开始

这个方向最早可以追溯到我 2015–16 年的公共卫生监测工作：CUSUM 异常事件检测系统。表面上看，那是一个统计方法和交互式工具；但真正的任务，是把专家经验编码进模型，再放进一个专家真正用得起来的系统里：什么信号值得提醒，什么时候提醒，结果应该怎样解读，人在流程中如何作判断。

现在工具变了。统计模型之外，又有了 LLM、检索、代码智能体和多智能体工作流。但设计问题没有变：怎样把专家判断嵌入端到端系统，而不是让系统隐藏假设、削弱责任，或者把判断交给机器？

我的理念很简单。数据不只是用来产出模型或仪表板；它应该帮助人看得更清楚、判断得更稳，并理解判断背后的不确定性。数据工作也很少是一次性的。新的数据、新的假设、新的子群体和新的问题会不断回来。所以我更重视可复现和可维护的结构：好的分析不只回答今天的问题，也让明天的问题更容易回答。

我设计时最看重什么

  • 数据与系统安全 —— 控制智能体能看什么、能碰什么、能做什么，减少敏感数据不必要的暴露。
  • 可复现 —— 让流程在相同输入下能得到相同结果，也能被别人检查、重跑和信任。
  • 可持续 —— 让分析和工具不止服务一次项目，而能交接、维护，并让下一个问题更容易处理。
  • 人的判断与控制 —— 智能体可以提出方案；人负责审阅、批准，并继续对背景、意义和最终结论负责。

Biostats.ai

统计顾问与 AI 工作流架构师 2010 年 6 月至今

为研究与产业团队提供生物统计、健康相关数据系统、R 工具与 AI 辅助工作流设计。当前重点是智能体数据科学流程、数据与系统安全、可复现和可持续分析、由人把关的自动化，以及可信赖的 AI 采用。

安大略公共卫生局（Public Health Ontario）

生物统计专员 2012 年 1 月至今

与科学家和流行病学家共同设计并主导复杂统计分析；构建监测模型、数据管线、交互式工具和决策支持流程，把公共卫生数据转化为可用证据。

多伦多大学达拉拉纳公共卫生学院

兼职教授 2012 年至今

从事生物统计与应用公共卫生方向的研究生教学与论文指导，重点是统计推理、假设、不确定性和负责任的解释。

课程

  • CHL5201: Biostatistics for Epidemiologists I
  • CHL7001: Applied Spatial Statistics for Public Health Data
  • CHL5207/5208: Laboratory in Statistical Design and Analysis

研究生指导

  • Aaron Zheng, MSc in Human Centered Data Science, UofT. Ensemble forecasting of respiratory diseases using ML and DL. 2025-2026
  • Soohyun Yoon, MSc. 2025-2026
  • Sadia Ahmed, MSc. 2025-2026
  • HaoYue Wang, MSc. 2025-2026
  • Junzi Chen, MSc. 2024-2025
  • Harieswar Sundaram, MSc, and Hunter Pozzebon, MSc. 2023-2024
  • Marija Pajdakovska, MSc. 2023-2024
  • Yushu Zou, MSc. 2022-2023
  • Fatima Shire, MSc. 2022-2023
  • Hana Fu, MSc. 2021-2022
  • Wei Zhuo, MSc. 2019-2020
  • Shuting Luo, MSc. 2019-2020
  • Hana Dampf, MSc. 2018-2019
  • Ling Lin, MSc. 2018-2019
  • Yue Wang, MSc. 2017-2018
  • Sudipta Saha, PhD. 2016-2017
  • Reuben Pereira, MSc. 2015-2016
  • Wenqi Fan, MSc. 2014-2015
  • Osvaldo Espin-Garcia, PhD. 2013-2014
  • Konstantin Shestopaloff, PhD. 2012-2013

方法学与核心贡献

  • Erjia Ge, Chengchun Yu, Eric Lavigne, Paul J Villeneuve, Xin Liu, Nicholas Grubic, Wendy Lou, Jeffrey Brook, Zihang Lu, Ye Lennon Li, Teresa To. Early-life greenness and childhood asthma and allergic rhinitis: An Ontario birth cohort study. European Respiratory Journal. 2026. doi:10.1183/13993003.02272-2025
  • Paul LA, Li Y, Leece P, Gomes T, Bayoumi MA, Herring J, Murray R, Brown P. Identifying the changing age distribution of opioid-related mortality with high-frequency data. PLoS One. 2022;17(4):e0265509
  • Li Y, Whelan M, Hobbs L, Fan WQ, Fung C, Wong K, Marchand-Austin A, Badiani T, Johnson I. Data Driven Approach of CUSUM Algorithm in Temporal Aberrant Event Detection Using Interactive Web Applications. Canadian Journal of Public Health. 2016;107(1):e9-e15
  • Li Y, Brown P, Rue H and Gesink D. Log Gaussian Cox processes and spatially aggregated disease incidence data. Statistical Methods in Medical Research. 2012;21(5):479-507
  • Li Y, Brown P and Rue H. Spatial modelling of lupus incidence over 40 years with changes in census areas. Journal of the Royal Statistical Society Series C (Applied Statistics). 2012;61(1):99-115

应用与合作

  • Butt DA, Li Y, Moineddin R, O’Neill B, Train AD, Gronsbell J, Gershon AS, Tu K. Healthcare use in individuals with and without attention-deficit/hyperactivity disorder: A population-based longitudinal matched cohort study. PLOS Mental Health. 2025;2(7):e0000342
  • Peci A, Zhang P, Sullivan A, Li Y, Bi Y, Murphy A, Leibson K, Gubbay JB, Majury A. Impact of COVID-19 pandemic on Legionella testing and infection rates in Ontario. BMC Public Health. 2025;25(1):1-10
  • Duvvuri V, Shire F, Isabel S, Braukmann T, Clark S, Marchand-Austin A, Eshaghi A, Bandukwala H, Varghese N, Li Y, et al. Large scale analysis of the SARS-CoV-2 main protease reveals marginal presence of nirmatrelvir-resistant SARS-CoV-2 Omicron mutants in Ontario, Canada, December 2021-September 2023. Canada Communicable Disease Report. 2024;50(10):365
  • Weerasinghe A, Thielman J, Li Y, Doguparty VB, Medeiros A, Keller-Olaman S, Carsley S, Richmond SA. Trends in falls among older adults before and during the COVID-19 pandemic in Ontario, Canada: A retrospective observational study. BMC Geriatrics. 2024;24(418)
  • Medeiros A, Li Y, Smith BT, Carsley S, Zheng A, Pike I, Macpherson AK, Thielman J, Weerasinghe A, Karmali S, Saunders N, Richmond RA. Inflicted violence-related injuries among children and youth in Ontario during the COVID-19 pandemic. Child Protection and Practice. 2024;2(1):100020
  • Bolotin S, Osman S, Hughes SL, Ariyarajah A, Tricco AC, Khan S, Li Y, Johnson C, Friedman L, Gul N, Jardine R, Faulkner M, Hahne SJM, Heffernan JM, Dabbagh A, Rota PA, Severini A, Jit M, Durrheim DN, Orenstein WA, Moss WJ, Funk S, Turner N, Schluter W, Jawad JS, Crowcroft NS. In Elimination Settings, Measles Antibodies Wane After Vaccination but Not After Infection: A Systematic Review and Meta-Analysis. Journal of Infect Diseases. 2022;226(7):1127-1139
  • Nelder MP, Russell CB, Johnson S, Li Y, Cronin K, Cawston T, Patel SN. American dog ticks along their expanding range edge in Ontario, Canada. Scientific Report. 2022;12(1):11063
  • Abdulnoor M, Eshaghi A, Perusini S, Broukhanski G, Corbeil A, Cronin K, Fittipaldi N, Forbes J, Guthrie J, Kus J, Li Y, Majury A, Mallo G, Mazzulli T, Melano R, Olsha R, Sullivan A, Tran V, Patel S, Allen V, and Gubbay J. Real-time RT-PCR Allelic Discrimination Assay for Detection of N501Y Mutation in the Spike Protein of SARS-CoV-2 Associated with Variants of Concern. Microbiology Spectrum. 2022;10(1):e0068121
  • Warren C, Hobin E, Manuel DG, Anderson LN, Hammond D, Jessri M, Arcand J, L’Abbe J, Li Y, Rosella LC, Manson H, Smith BT. Socioeconomic Position and Consumption of Sugary Drinks, Sugar-Sweetened Beverages and 100% Juice among Canadians: A Cross-Sectional Analysis of the 2015 Canadian Community Health Survey-Nutrition. Can J Public Health. 2022;113(3):341-362
  • Myran DT, Smith BT, Cantor N, Li Y, Saha S, Paradis C, Jesseman R, Tanuseputro P, Hobin E. Changes in the dollar value of per capita alcohol, essential, and non-essential retail sales in Canada during COVID-19. BMC Public Health. 2021;21(2162)
  • Crowcroft NS, Bolotin S, Li Y, Campbell H, Amirthalingam G. Infant pertussis and maternal immunity: The curious case of Canada. Vaccine. 2021;39(14):1977-1981
  • Wilson SE, Bunko A, Johnson S, Murray J, Wang Y, Deeks SL, Crowcroft NS, Friedman L, Loh LC, MacLeod M, Taylor C, Li Y. The geographic distribution of un-immunized children in Ontario, Canada: Hotspot detection using Bayesian spatial analysis. Vaccine. 2021;39(8):1349-1357
  • Hughes SL, Kwong JC, Schwartz KL, Chen C, Johnson C, Li Y, Marchand-Austin A, Bolotin S, Jamieson FB, Drews SJ, Russell ML, Svenson LW, Mahmud SM, Kwong JC. Exploring the reasons for low pertussis vaccine effectiveness in Ontario - 2006-2008: A Canadian Immunization Research Network study. Can J Public Health. 2021. PMID: 34424508. DOI: 10.17269/s41997-021-00536-1

关于我

AI 安全与透明

这些工具关注执行环境、数据处理、透明度和人工审查，让 AI 辅助工作更安全、更容易理解。

数据安全

减少 AI 辅助分析流程中对敏感数据的不必要暴露。

  • DataGangeR · GitHub · 文档 —— 已发布于 CRAN。面向智能体辅助原型开发的人工把关隐私协议。你只需在引导式 Shiny 界面中回答一组简短的隐私问题，DataGangeR 就会把真实数据集转换成合成替身，让编码智能体全速开发，而智能体始终看不到原始记录；也可以只交给它一份可复现的配方（spec、roles、seed），由它自己重新生成安全数据。软件包不发起任何网络请求，也不启动浏览器，并由内置自检和无网络 CI 任务加以验证。AI 实现 · 人工把关。

环境安全

控制智能体能看到什么、能碰什么、能做什么。

  • Rock · GitHub —— 面向智能体 R 数据科学的 Docker 环境。它把 Claude Code、Codex 和 Gemini CLI 放进完整的 R 环境中运行，并默认与主机文件和凭据隔离。智能体提出修改，人来审查和提交。

透明性与人工控制

让 AI 辅助分析更容易检查、解释、审阅、批准或停止。

  • insideR —— 针对单次 R 包调用的“X 光”。explain_call() 显示真正执行的是哪个函数、它在内部调用了什么、以及这次调用有多大程度可以复放；unpack_call() 则把实际执行的 R 函数连同文档一起抽取出来，捕获输入对象，并生成一个独立的复放脚本——该脚本能复现原始结果并自我校验，同时对抽取出的代码做静态安全扫描。目标不是用零散脚本取代 R 包，而是让基于包的工作在需要人工或智能体审阅时不再是黑箱。AI 实现 · 人工把关。
  • IPD —— Independent Peer Deliberation（独立同行审议）：让两个对等 AI 智能体背靠背盲评并交叉审阅的可移植协议，在人工决策闸口前使共识、分歧与不确定性充分透明可查。
  • HMA —— 人工把关的证据与阶段控制系统，防止编码智能体在缺乏新鲜、绑定版本证据和人工显式批准的情况下擅自推进阶段或判定任务完成。
  • clientAgent —— 以交付物为核心的治理框架，通过部署受限且针对具体项目的 AI 智能体，在无需赋予系统底层或发布权限的前提下，通过人机协作审阅循环将客户需求转化为经独立验证的候选成果。
  • Lens —— 开发中。用于呈现证据、假设、不确定性、工作流状态和审阅记录的透明层。
  • Gate —— 开发中。用于权限、检查点、升级、批准和发布控制的人工把关层。

演示

可以直接查看的工具和工作流：既有能在浏览器中打开的实时应用，也有一次完整分析工作流的设计走查。

  • 实验室检测工具包 —— 为特定实验室需求定制的 Shiny 应用示例。用户可以上传数据，在浏览器中完成探索、建模和导出，展示”围绕具体需求设计的交互式工具”可以是什么样子。
  • ONgeoR —— 把安大略地点解析到公共卫生地理单元的在线 Shiny 界面：将设施和点位链接到公共卫生单位（PHU）和安大略健康区域（OHR），并在地图上查看结果。这就是该 R 包自带的应用，不是演示样张，和分析人员安装后得到的是同一套代码。软件包本身见”安大略公共卫生数据工具”。

安大略公共卫生数据工具

面向安大略公共卫生分析中反复出现的地理和链接问题的开源 R 包。设计目标是可复现、可追溯来源，而不是打包一份很快就会过时的数据。

  • ONgeoR · Shiny 应用 · 文档 —— 把安大略的地点、设施和基础设施解析到公共卫生地理单元。运行时从安大略 GeoHub（Land Information Ontario）REST 服务等权威来源获取边界和设施位置，将点和多边形链接到公共卫生单位（PHU）和安大略健康区域（OHR），并生成带完整来源溯源的可审计对照表。软件包内置交互式 Shiny 应用，既可以在浏览器中直接使用，也可以用 run_app() 在本地运行，无需写代码即可浏览链接结果和地图。不打包任何地理数据——所有数据都在使用时获取并记录来源。AI 实现 · 人工把关。
  • OPCC —— Open Postal Code Correspondence：在安大略邮政编码与加拿大统计局 2021 年普查地理单元（散布区 DA 与散布块 DB）之间建立可复现、来源明确的多对多对应关系。每条结果都保留分配权重、证据来源、数据谱系、方法和版本；未匹配的邮政编码会显式保留，而不是被悄悄丢弃。发布产物在使用前均经过校验和验证，且所有产物都可以仅用软件包函数从公开原始数据重新构建。与经授权的 PCCF 衍生安大略数据对比，任一链接一致率为 99.5%。全部基于可再分发的公开证据构建，不再分发 Canada Post、PCCF 或 PCCF+ 数据。AI 实现 · 人工把关。

AI 协作编写的软件包

全部开源且公开可用。软件包由我设计、统筹和审阅，由 AI 编码智能体完成实现。

  • courieR · GitHub · 文档 —— 在同一台机器上的不同 R 版本之间迁移已安装的 R 包。自动检测每一个 R 安装，同时提供 Shiny 仪表板和命令行两种界面，支持 Windows、macOS 和 Linux。AI 实现 · 人工把关。
  • dataganger · GitHub · 文档 —— 从真实数据集生成合成数据替身，用于原型开发、教学、Shiny 开发和 AI 辅助编程。提供数据画像、字段角色识别、可配置的合成流程、效用对比和披露风险提示，并由引导式 Shiny 界面串联整个流程。AI 实现 · 人工把关。

AI 驱动的应用

全部开源且公开可用。这些不是概念演示，而是已经部署、可以访问的工具。

  • aiR · GitHub —— 面向 R 统计分析的 AI 辅助助手。智能体引导数据探索、建模与解释；分析者始终掌控每一步决策。AI 实现 · 人工把关。
  • SSC 认证审阅 · GitHub —— 面向 P.Stat. 认证申请的智能体辅助审阅工具。系统检索相关指南、套用结构化 rubric，并标记需要人工审阅的部分；最终判断仍由人作出。

更多内容即将推出……